Il existe un vieil adage selon lequel les chiffres ne mentent pas, mais les menteurs savent comprendre. Dans un sens, cela représente la méfiance des gens à l’égard des statistiques. L’interprétation statistique peut donner l’impression que les données sont trompeuses. Cela dépend de l’interprétation des données par le statisticien et des chiffres mis en avant en tant que points clés d’un rapport statistique.
Par exemple, au lycée, les élèves étudient désormais les mesures de tendance centrale, qui sont la moyenne, la médiane, le mode et l’étendue. La moyenne est la somme de toutes les données, divisée par le nombre de données. Par exemple, on pourrait obtenir la somme des résultats des tests d’une personne et la diviser par le nombre de tests pour déterminer une note. Cependant, la moyenne peut être affectée par ce qu’on appelle une valeur aberrante, un nombre bien en dehors de la plage normale de test. Cela peut suggérer que la moyenne peut être une façon trompeuse d’évaluer la performance.
Si une personne réussit parfaitement cinq tests et ne réussit pas à passer un sixième test et obtient ainsi un zéro, la moyenne le reflète. Si les tests valent tous 100 points par exemple, le score moyen est d’environ 85 %. Cependant, cela ne suggère pas vraiment une performance moyenne dans ce cas en raison de la valeur aberrante de zéro.
Une autre mesure de tendance centrale qui peut être utilisée est l’évaluation de la médiane. La médiane est le nombre du milieu dans un groupe de données classées numériquement. Si un statisticien évalue pour la médiane, cela peut ne pas être représentatif d’une véritable moyenne de performance, ou de tout ce qui est évalué. La médiane ne peut pas tenir compte d’une plage de données qui peut être énorme et donc trompeuse.
La tendance centrale évaluée par mode signifie simplement regarder un nombre qui apparaît le plus souvent dans un ensemble de données. Ainsi, le candidat au test, par exemple, a un mode de 100. Pourtant, cela ne reflète pas le fait que la personne qui passe le test n’en a pas réussi un, ce qui est trompeur.
D’autres façons dont les statistiques peuvent être trompeuses sont la façon dont les questions sont posées, dans une enquête peut-être, et la mesure dans laquelle l’enquête est un échantillon représentatif d’une communauté. Si l’on interroge un groupe d’élèves du secondaire et qu’on leur demande Êtes-vous satisfait de votre éducation sur une échelle de 1 à 5 ? on peut obtenir des réponses très différentes selon que le groupe est représentatif de l’élève moyen.
Si l’on enquête auprès d’un groupe d’étudiants qui obtiennent tous des résultats positifs et vont dans une école fantastique et bien financée, publier de telles données sous la forme d’un échantillon représentatif est délibérément trompeur. Si l’on interroge des élèves de différentes écoles avec des notes différentes, alors une enquête est susceptible d’être plus représentative et plus juste. Cependant, si l’on demande aux élèves ce qu’ils pensent des écoles et que l’on publie ensuite les résultats sous la forme d’un échantillon représentatif de la population générale, les réponses seront alors fortement biaisées.
Les chiffres peuvent sembler très concrets, et certains sont induits en erreur par les chiffres simplement parce qu’ils semblent être des faits et ont une valeur indiscutable. Ainsi, les données statistiques peuvent souvent être utilisées de manière trompeuse pour impressionner les gens avec des chiffres et faire en sorte que les choses en litige ressemblent davantage à des faits. Les statisticiens réputés savent que les questions doivent être généralisées et doivent également être posées à des personnes qui représentent des populations.
Cependant, les chiffres et les statistiques peuvent être trompeurs car ils ne représentent pas l’individu. Ils peuvent montrer comment les gens réagissent en général à une idée, à un produit ou à un candidat politique. Ils ne peuvent pas montrer comment une seule personne dans toutes ses qualités infiniment variables se sentira.